基于貧困脆弱性的返貧致貧預警機制構建

王永綦

2012年，中國貧困人口數量9899萬人。中共十八大后不久，拉開了脫貧攻堅的序幕。2020年，在國家精準扶貧方略下，中國完成了消除絕對貧困的艱巨任務。

雖然絕對貧困已然消除，但是我國扶貧工作仍未完成，返貧現象仍不斷出現。由于很多剛剛脫離貧困的地區仍有基礎教育薄弱、公共服務缺乏、生態環境惡劣等不利因素，造成剛剛脫貧的人員稍有不慎就會返貧。因此，有效防范返貧，成為我國未來一段時間內扶貧工作的重中之重。穩定脫貧不返貧才是真脫貧。對返貧致貧進行提前預警，是穩定脫貧的重要舉措。通過對貧困脆弱性的研究與測量，可以對相關影響因素進行有針對性的跟蹤監測。

一、貧困脆弱性研究

（一）貧困脆弱性相關研究

貧困脆弱性的概念最早由世界銀行在《2000/2001年世界發展報告》中提出，將其定義為“受到不利沖擊，造成的生活水平下降的可能性。”

近年來，國內學者對貧困脆弱性進行了多方面研究。黃偉承等（2010）詳細介紹了貧困脆弱性測量的三種方法：預期的貧困脆弱性（VEP）、低期望效用脆弱性（VEU）和風險暴露脆弱性（VER）。耿新（2020）認為貧困脆弱性能夠衡量農戶生活水平，解釋返貧問題的動態性。還有部分國內學者從多角度研究了影響貧困脆弱性的可能因素，包括醫療保險、自然災害、政府救助、教育培訓、金融素養等各個方面。由這些研究可以看出，設立醫療保障制度、加強應用自然災害、合作進行政府救助、加大教育投入、有意培養金融素養，可以有效降低貧困脆弱性。反之，個人或家庭在就會遭受更多風險，貧困脆弱性也就越高，未來返貧致貧的可能性就越高。

（二）評價貧困脆弱性的指標體系

聯合國政府間氣候變化專門委員會（IPCC）提出脆弱性應當包含暴露度、敏感性和適應能力三個維度，為貧困脆弱性的量化研究提供了研究思路。借鑒IPCC模型，依據國內對貧困脆弱性的相關研究結果，共選取三個維度下的10個指標對貧困脆弱性進行量化研究。

1.暴露度

暴露度反映了個人或家庭受外界干擾的程度，具有使個人或家庭跌入貧困的不利影響和潛在風險。暴露度測算指標包含自然災害的影響程度、生態環境的影響程度、生活成本提升而政府補貼降低的影響程度三項。

2.敏感性

敏感性是指個人或家庭受到外部不利影響時所反映出的敏感程度。個人或家庭的健康情況、經濟情況往往決定了其敏感性。敏感性越低，則受外部不利影響越小，脆弱性越低，個人或家庭越穩定。敏感性指標包含遭遇意外事故的敏感程度、醫療自費占比和教育支出占比三項。

3.適應能力

適應能力是指個人和家庭對抗不利影響的能力。參考胡倫（2019）的相關研究，引入四類生計資本作為表征適應能力的指標。

一是自然資本，是指個人或家庭擁有的耕地資源等，因此可用人均耕地面積指標來表征自然資本。二是人力資本，是指個人或家庭的勞動力數量和質量，可用外出務工人數占比來表達。三是金融資本，是指個人或家庭所擁有的資金，可用人均存款來表達。四是社會資本，是指個人或家庭可以得到的社會救助，可用醫療保障政策來表達。

（4）指標體系

（三） 基于神經網絡的貧困脆弱性評價模型構建

1.樣本數據獲取

通過對貴州地區農戶發放調查問卷獲取樣本數據。此次發放調查問卷100份，回收有效問卷94份。為了能夠明確貧困脆弱性的影響因素，將變量數據定義為1－10的數字：1為幾乎沒有影響，10為影響非常大，其他數字表示中間程度。

2.神經網絡模型

神經網絡模型由信息的正向傳播和誤差的反向傳播組成，是誤差反向傳播算法的學習過程。神經網絡模型的優勢是具備較強的自學習能力。神經網絡包含三層結構，分別是輸入層、中間層和輸出層。模型步驟如下。

3.數據分析

利用SPSS 軟件對數據進行處理，得出變量的重要性排序和權重。

其中，“生活成本提升和政府補貼降低的影響程度”重要性排名第一，權重達到47.3%。由這項數據可以看出，貴州貧困人口對政府補貼政策依賴程度偏高。當補貼政策下降甚至取消時，個人和家庭有較高返貧風險。因此，政府在制定補貼政策時，一方面需要保持政策具有一定的持續性，另一方面當確需修訂政策時，要實時關注所在地區的易返貧家庭或個人，出現風險要及時進行干預。

其次，“教育支出占比偏高的影響程度”重要性排名第二，權重為10.3%。由于貴州地區很多家庭都有兩個以上的孩子，同時對教育的重要性也認識越來越深刻，因此教育支出占比往往偏高，使家庭的負擔過重。其中，非義務教育期間教育支出主要分兩類，學歷教育和職業教育。兩類教育都需要占用一個家庭大量的可支配收入。針對這種情況，政府應加大對非義務教育階段的教育補貼，為升入高中、考入大學的學生提供助學金或無息貸款，為有意愿參加工作的勞動力提供免費的職業培訓。

重點性排名第三位的是“醫療自費占比偏高的影響程度”，權重為8.2%。現階段對于農村地區，國家推出了多種社會保障制度，已覆蓋養老、醫療、失業、工傷等各個方面，其中新農合即是農戶的醫療保險。但是一旦遇到大病、重病，仍會出現高額的自費部分，極易造成家庭或個人因病返貧致貧。對于這一情況，政府應實時監控，對于醫療自費占比過高的家庭或個人提供醫療費減免的幫扶。

“人均耕地面積較小的影響程度”的權重占比為6.2%，“外出務工人數占比偏低的影響程度”的權重為6.1%，“遭遇意外事故的影響程度”的權重為5.7%，“生態環境的影響程度”的權重為5.5%。這四項指標重點性偏低，對于返貧致貧的影響較小。

最后“自然災害的影響程度”（權重4.1%）、“醫療保障政策不充分的影響程度”（權重3.3%）和“人均存款偏低的影響程度”（權重3.3%）則居于重要性的最后三位，相對不重要。近年國家對自然災害的預防和災后救助，都幫助貧困人口遠離自然災害的傷害。自然災害對人員和家庭返貧致貧的影響已變得極低。國家的醫療保障政策近年也有了很大改善，基本實現了貴州地區對易返貧人口的全覆蓋。貴州地區大量農戶外出務工，使得人均存款提升較大，因此降低了人均存款偏低的風險性。

三、構建基于貧困脆弱性的返貧致貧預警機制

返貧致貧預警機制包含預警監測對象、預警監測主體、預警監測指標、預警平臺、干預手段和考核機制。

（一）預警監測對象

由于貧困個人的不確定性因素多、移動性大，不易被實時監測，因此，預警監測對象以家庭為單位。監測的對象應為當地建檔立卡脫貧戶，即曾經的貧困家庭。其中，應重點關注家庭人均可支配收入低于當年國家扶貧標準的1.5倍。此外還應將大病重病戶、獨居老人戶、留守兒童戶、重大殘疾戶等特殊家庭納入監測范圍。監測對象雖是貧困家庭個體，但更要關注大范圍的、集中式返貧致貧情況發生。因此，除對家庭進行監測外，還要關注同一區域多個家庭的監測指標變化情況。

（二）預警監測主體

返貧致貧預警機制的執行主體應由多方共同參與。首先責任主體應為當地基層黨委。基層黨委的自覺性決定其在返貧致貧預警機制中的責任擔當和實踐價值。基層黨委應明確脫貧攻堅任務的歷史高度，堅持自身服務能力，推進返貧致貧預警機制的順利執行。其次，當地基層政策應是主要執行主體。基層政策對當地貧困人口及易貧困人口有較完備的信息，并且對扶貧政策變化、市場波動、自然災害發生，都可以及時獲取第一手信息。第三，是易貧困家庭自身。家庭與個人都要提高返貧致貧的風險防范意識，出現工作、生活中的相關風險要第一時間反饋至當地基層政府。最后，是社會組織。社會組織的積極參與，可以有效彌補基層政府對風險監測的不足。同時社會組織還可以有針對性的，對于貧困家庭提供教育、醫療等方面的服務。

有以上四類主體參與預警機制，將可以高效監測返貧致貧風險，起到及時阻斷作用。

（三）預警監測指標

依據貧困脆弱性各項指標的重要性排序，將預警監測指標區分為三級。

重要性權重超過10%的指標設為一級指標，包含“生活成本提升而政府補貼降低”“教育支出占比”。

重要性權重在5%－10%之間的指標設為二級指標，包含“醫療自費占比”“人均耕地面積”“外出務工人數占比”“遭遇意外事故”和“生態環境惡化”。

其他設為三級指標，包含“人均存款”“自然災害發生”和“醫療保障政策”。

一級指標變動超過設定預警值時，基層政府需在48小時內查找出現原因，定位到具體家庭，并制定出干預方案開始實施。二級指標時限為5個工作日；三級指標時限為10個工作日。

（四）預警平臺

預警監測指標返回的數據是海量的，人工根本無法實現分揀與識別。因此建設基于新技術的預警平臺迫在眉睫。5G、大數據、互聯網+等新技術的成熟，使預警平臺的建立成為可能，形成完整的信息化、鏈條化、動態化的監測平臺。預警平臺雖然先期需要較大政府投資，但對后期脫貧工作將起到決定性的作用。

（五）干預機制

1.完善非義務教育階段學生幫扶體系

貧困脆弱性指標中可以看出，貧困家庭由于飽受沒有知識的苦楚，因此往往更加重視子女的教育，愿意在教育上投入更多資源。但由此也更易造成家庭返貧致貧。因此，基層政府可以針對非義務教育階段的學生提供救助，例如獎學金制度、無息貸款等。對于學歷偏低的人員，可以根據產業發展和項目需求提供勞動技能培訓，使其能夠快速適應。結合返貧致貧預警對象的勞動能力狀況來免費開展技能培訓，使其掌握實用的技能，提高在人力市場上的競爭力。

2.健全醫療保障，優化大病幫扶體系

督促全部返貧致貧預警對象參加醫療保險。針對相對低收入地區，適當降低醫療報銷起付線，放寬醫療報銷范圍，提高報銷比例。此舉可有效降低醫療中自費的比例。同時還應簡化報銷手續，提供報銷引導，減少報銷中的各項障礙。

3.產業幫扶，激活易返貧家庭內生動力機制

建立支柱產業為主的多種產業幫扶機制，主要針對具備勞動能力的返貧致貧預警對象。通過產業幫扶，使其提升應對返貧致貧風險的能力，從而保證穩定增收、可持續脫貧。產業幫扶有以下可采取的措施。首先是為有創業意愿的返貧致貧預警對象提供小額免息信用貸款，一般時限在三年以內、額度在五萬元以下。相關貸款利息成本由各級政府財政扶貧基金給予解決。其次發展政府統籌扶貧項目，可以覆蓋更多目標人群，為更多返貧致貧預警對象提供穩定的工作與收入來源。

結 語

對返貧致貧進行提前預警，是穩定脫貧的重要舉措。首先采用發放調查問卷的方式，通過神經網絡模型，對貧困脆弱性進行研究。通過對調查問卷的數據進行分析，發現“生活成本提升和政府補貼降低的影響程度”和“教育支出占比偏高的影響程度”“醫療自費占比偏高的影響程度”占貧困脆弱性重要性的前三位。在此基礎上，以這三個指標為重點監測指標，建立返貧致貧預警機制。

（作者單位：貴州工程應用技術學院經濟與管理學院）